Reglas de asociación y predicción utilizando series de tiempo.

Abstract

El desarrollo de este trabajo de titulación tiene como objetivo general, apoyar las actividades productivas de los pequeños productores agrícolas registrados en el actual sistema del Ministerio de Agricultura, mediante el desarrollo de una aplicación basada en las reglas de asociación y predicción utilizando series de tiempo, la cual, permite establecer escenarios base que evalúe el desarrollo de los datos que se encuentran en el sistema, con el fin de ayudar a la planificación y el manejo comercial de diferentes bienes que generan los pequeños productores. A nivel de mercado, les proporciona determinadas ventajas competitivas, frente a las grandes comercializadoras e intermediarias. En este proyecto, en base a la investigación y desarrollo, se diseña, construye e implementa un importante módulo de reportes para el sistema, utilizando reglas de asociación y predicción de las ventas realizadas; se utiliza la minería de datos y para lograrlo nos ayudamos con WEKA, que es una librería de código abierto, emitido bajo la Licencia Pública General de GNU, que contiene una colección de algoritmos de aprendizaje automático, de los cuales utilizamos el algoritmo A priori y el Support Vector Machine. Una vez realizada la investigación acerca de las propiedades, características y funcionamiento de la librería WEKA, se procede a realizar pruebas funcionales de asociación y predicción. Para las pruebas, se ocupan datos históricos reales recogidos del Ministerio de Agricultura, implementando esa información a modo de reglas como base de los resultados que proporciona el sistema desarrollado.